intTypePromotion=4
Array
(
    [0] => Array
        (
            [banner_id] => 142
            [banner_name] => KM3 - Tặng đến 150%
            [banner_picture] => 412_1568183214.jpg
            [banner_picture2] => 986_1568183214.jpg
            [banner_picture3] => 458_1568183214.jpg
            [banner_picture4] => 436_1568779919.jpg
            [banner_picture5] => 
            [banner_type] => 9
            [banner_link] => https://tailieu.vn/nang-cap-tai-khoan-vip.html
            [banner_status] => 1
            [banner_priority] => 0
            [banner_lastmodify] => 2019-09-18 11:12:29
            [banner_startdate] => 2019-09-12 00:00:00
            [banner_enddate] => 2019-09-12 23:59:59
            [banner_isauto_active] => 0
            [banner_timeautoactive] => 
            [user_username] => minhduy
        )

)

Bài giảng Nghiên cứu Marketing: Chương 9 - Nguyễn Thị Minh Hải

Chia sẻ: Sơn Tùng | Ngày: | Loại File: PDF | Số trang:56

0
51
lượt xem
14
download

Bài giảng Nghiên cứu Marketing: Chương 9 - Nguyễn Thị Minh Hải

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng "Nghiên cứu Marketing - Chương 9: Phân tích dữ liệu" cung cấp các kiến thức giúp người học có thể hiểu được: Phân tích nhân tố, phân tích cụm, viết báo cáo kết quả nghiên cứu. Mời các bạn cùng tham khảo nội dung chi tiết.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Nghiên cứu Marketing: Chương 9 - Nguyễn Thị Minh Hải

  1. PHÂN TÍCH DỮ LIỆU 3
  2. Nội dung  Phân tích nhân tố  Phân tích cụm  Viết báo cáo kết quả nghiên cứu
  3. Kiểm định sự phụ thuộc lẫn nhau  Được sử dụng để tóm tắt và hiểu một số biến độc lập một cách đồng thời.  Được sử dụng khi không có biến nào được nhận dạng như là biến độc lập hay biến phụ thuộc.  Kiểm định sự phụ thuộc lẫn nhau:  Phân tích nhân tố, để giảm và tóm tắt dữ liệu.  Phân tích cụm, để phân loại đối tượng.
  4. Phân tích nhân tố  Một kỹ thuật để tóm tắt thông tin mà thông tin này được chứa trong một lượng lớn các biến thành một số nhân tố nhỏ hơn.  Để đơn giản hóa thông tin  Không có sự khác biệt giữa X và Y (Biến độc lập và biến phụ thuộc), chúng được phân tích cùng với nhau
  5. Ứng dụng trong nghiên cứu Marketing  Phân khúc thị trường để nhận dạng biến nhóm khách hàng  Nghiên cứu sản phẩm: xác định phẩm chất của sản phẩm ảnh hưởng đến sự lựa chọn của khách hàng  Nghiên cứu quảng cáo: hiểu thói quen sử dụng phương tiện thông tin của thị trường mục tiêu  Nghiên cứu giá: nhận dạng những đặc điểm của khách hàng nhạy cảm về giá
  6. Mô hình phân tích nhân tố  Xi = Ai1F1 + Ai2F2 + ….+ AimFm + ViUi  Xi: biến đã được chuẩn hóa thứ I  Aij: Hệ số hồi quy bội của biến được chuẩn hóa I trên nhân tố chung j  F: nhân tố chung  Vi: Hệ số hồi quy được chuẩn hóa I trên nhân tố duy nhất I  Ui: Nhân tố duy nhất của biến I  m: Số nhân tố chung
  7. Mô hình nhân tố  Mỗi nhân tố duy nhất thì tương quan với mỗi nhân tố khác và với các nhân tố chung.  Fi = wi1x1 + wi2x2 + … + wikxk  Fi: Ước lượng nhân tố thứ I  wi: trọng số hay hệ số điểm nhân tố  k: số biến
  8. Các bước phân tích nhân tố  Xác định vấn đề  Lập ma trận tương quan  Xác định số nhân tố  Giải thích nhân tố  Tính điểm nhân tố  Chọn nhân tố thay thế  Xác định mô hình phù hợp
  9. Xác định vấn đề  Xác định những lợi ích cơ bản mà khách hàng cần tìm khu mua kem đánh răng  Mẫu gồm 237 người được phỏng vấn theo thang đo 7 điểm (1: hoàn toàn không đồng ý đến 7: hoàn toàn đồng ý) theo các biến từ V1 đến V7 Theo Lưu Thanh Đức Hải (2003)
  10. Xác định vấn đề  V1: Chống được sâu răng  V2: Tạo được hàm răng sáng  V3: Không làm nhiễm trùng nướu răng  V4: Tạo hơi thở thơm tho  V5: Chống được canxi hóa răng  V6: Có hàm răng hấp dẫn  V7: Có hàm răng khỏe mạnh Theo Lưu Thanh Đức Hải (2003)
  11. Phân tích nhân tố – Tiến hành trên SPSS
  12. Phân tích nhân tố – SPSS Output Lập ma trận tương quan Biến V1 V2 V3 V4 V5 V6 V7 V1 1,00 V2 0,13 1,00 V3 0.67 0,21 1,00 V4 0.17 0,71 0,19 1,00 V5 0,70 0,15 0,49 0,13 1,00 V6 0,13 0,69 0,16 0,69 0,21 1,00 V7 0,56 0,22 0,73 0,21 0,72 0,31 1,00 Theo Lưu Thanh Đức Hải (2003)
  13. Lập ma trận tương quan  Giả thuyết: Ho: các biến không có tương quan Ha: Có tương quan giữa các biến  P value = 0.000
  14. Xác định số nhân tố Initial Statistics Factor Eigenvalue Percent of Cumulative Variable Communality variance percentage V1 1.00 1 3.38 48.3 48.3 V2 1.00 2 1.96 28.0 76.3 V3 1.00 3 0.52 7.6 83.9 V4 1.00 4 0.44 6.4 90.3 V5 1.00 5 0.3 4.3 94.6 V6 1.00 6 0.27 4.0 98.6 V7 1.00 7 0.09 1.4 100.0 Communality: Phương sai tối đa của mỗi biến Eigenvalue: phương sai tổng hợp của từng nhân tố, lớn hơn 1 mới được đưa vào mô hình Percent of variance: phương sai của từng nhân tố Cumulative percentage: phương sai tích lũy
  15. Giải thích các nhân tố Rotated factor matrix Nhân tố 1 Nhân tố 2 V1 0.85 Hệ số tải V3 0.83 nhân tố V5 0.84 V7 0.86 V2 0.89 V4 0.89 V6 0.88 Nhân tố lợi ích sức khỏe: V1, V3, V5, V7 Nhân tố lợi ích về xã hội: V2, V4, V6
  16. Hệ số tải nhân tố - Factor Loadings  Sự tương quan giữa mỗi nhân tố và mỗi biến ban đầu.  Mỗi hệ số tải nhân tố là một đo lường của tầm quan trọng của biến trong đo lường nhân tố.  Từ –1 đến +1  Hệ số tải của biến nào cao có nghĩa là biến đó xác định nhân tố.
  17. Xác định điểm nhân tố và chọn nhân tố thay thế Factor score coefficient matrix Biến Nhân tố 1 Nhân tố 2 V1 0.30931 -0.06814 V2 -0.05548 0.38315 V3 0.29250 -0.03331 V4 -0.04918 0.38087 V5 0.30199 -0.05191 V6 -0.04160 0.37478 V7 0.29173 0.00697 F1 = 0.31 x1 + 0.29x3 + 0.3x5 + 0,29x7 F2 = 0.38x2 + 0.38x4 + 0.37x6
  18. Phân tích cụm  Có thể phân loại hoặc phân khúc đối tượng (khách hàng, thị trường, sản phẩm) thành những nhóm mà các nhóm này có một số đặc điểm chung.  Phân tích nhân tố giảm số biến bằng cách nhóm chúng thành thành một bộ nhỏ hơn của các nhân tố.  Phân tích cụm giảm số quan sát hoặc trường hợp bằng cách nhóm chúng thành một bộ nhỏ hơn của các cụm.
  19. Phân tích cụm  Một cụm– Một nhóm của những trường hợp hoặc các quan sát tương đối đồng nhất

CÓ THỂ BẠN MUỐN DOWNLOAD

YOMEDIA
Đồng bộ tài khoản